
里約奧運英國賽艇隊傲視群雄 大數(shù)據(jù)分析也是幕后英雄
令人矚目的2016年里約奧運會近日落下帷幕,其中賽艇項目比賽于14日全部結束。上屆的倫敦奧運,英國賽艇隊獲得4金2銀3銅,傲視群雄。在本屆奧運會14項共42枚獎牌中,英國賽艇隊為英國代表隊帶來的獎牌數(shù)貢獻依然巨大,以3金2銀排在該項目獎牌榜首位。 作為奧運會英國隊的代表性優(yōu)勢項目,賽艇隊在爭奪獎牌上的實力不容小覷。這項運動本身在比賽中可能因為多方面因素的細微影響而導致戲劇性的結果——第一名與第四名的差距也許只是幾毫秒,但這卻決定了運動員獲得的是光榮的獎牌還是無限的遺憾。
提高訓練效果
頂尖的英國賽艇隊隊員,每天需要進行好幾次訓練。訓練中,單個運動員身上得到的訓練數(shù)據(jù)已經(jīng)非常可觀,全隊運動員的總體數(shù)據(jù)更是巨量。之前,這些數(shù)據(jù)散亂在多個數(shù)據(jù)庫和表格中,數(shù)據(jù)的更新速度十分緩慢,因此導致了對這些數(shù)據(jù)的跟蹤和分析十分困難。
為了充分備戰(zhàn)里約奧運,英國賽艇隊在早期便開始使用SAS解決方案來分析運動員數(shù)據(jù)和改善訓練方法。賽艇隊將數(shù)據(jù)更快更全面地匯總在一起,并進行更好地分析。這為運動科學家、教練和團隊經(jīng)理提供了一個可以跟蹤運動員運動表現(xiàn)的平臺,幫助他們更好地決策。
“英國賽艇隊的訓練地點有時在水上,有時在賽艇機上,有時在體育館里。同時我們還會去一些高海拔的挑戰(zhàn)性環(huán)境進行訓練,”Mark Homer,英國賽艇隊高級運動科學家說。
“將所有領域的數(shù)據(jù)進行匯總,結合比賽中所獲得的數(shù)據(jù),我們將匯聚一個巨大的數(shù)據(jù)源來指導訓練和提高運動員的運動表現(xiàn)。但是如果沒有分析的工具,這些數(shù)據(jù)就沒有任何作用。通過與SAS的合作,我們現(xiàn)在能更深入和快速地分析這些賽艇運動員的數(shù)據(jù)。之前因為數(shù)據(jù)的分散,我們需要花費大量的精力和時間來匯總和分析單個運動員的信息,現(xiàn)在,我們可以馬上搞定?!?/span>
減少受傷風險
英國賽艇隊使用SAS可視化分析對來自多個數(shù)據(jù)源的數(shù)據(jù)進行分析。深入和快速地進行數(shù)據(jù)分析將幫助運動員最大化每次訓練的效果。不光這樣,數(shù)據(jù)分析還可以應用于發(fā)現(xiàn)運動傷害的跡象并進行修正,幫助運動員減少訓練缺席,從而確保他們在比賽中處于最佳狀態(tài)。
發(fā)掘賽艇人才
“現(xiàn)在,賽艇已經(jīng)是一項比較成功的運動項目,從2012年開始我們就已經(jīng)取得了一定的成績,并從中嘗到了甜頭。所以當有新人加入這項運動的時候,我們需要能夠引導他們,確認他們在正確的發(fā)展,”Homer說,“未來,數(shù)據(jù)分析將是幫助我們預測的關鍵,比如某運動員現(xiàn)在的成績并不理想,但是通過數(shù)據(jù)分析,我們能知道他可能會在接下來幾年大放異彩?!?/span>
通過數(shù)據(jù)建模,可以幫助教練和經(jīng)理更好的理解運動員相關信息,協(xié)助他們進行決策。這就包括找出未來的賽艇新星,為不同的賽艇配置隊員組合,優(yōu)化每個組的比賽表現(xiàn)。
“運動員的運動技能可以使用多種方式進行評估,一個能夠最大化已有數(shù)據(jù)資源利用率的工具對我們來說至關重要。利用這些數(shù)據(jù)我們將能夠做出最佳決策。但是更令人興奮的是尋找金礦時的未知——有些東西在我們開始分析數(shù)據(jù)前絕對不會預見到。因此我們能夠發(fā)現(xiàn)更多關鍵要素,并將這些要素整合以影響整體的表現(xiàn)。
伴隨著賽艇運動本身的不斷的進步,未來,英國賽艇隊將在SAS數(shù)據(jù)分析的幫助下科學訓練,發(fā)掘新的運動人才,為下一個奧運周期做好準備。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11